Wykład 9: Różne rodzaje zbieżności ciągów zmiennych losowych. Prawa wielkich liczb.

Podobne dokumenty
Wykład 12: Sumowanie niezależnych zmiennych losowych i jego związek ze splotem gęstości i transformatami Laplace a i Fouriera. Prawo wielkich liczb.

Rachunek prawdopodobieństwa MAP1151 Wydział Elektroniki, rok akad. 2011/12, sem. letni Wykładowca: dr hab. A. Jurlewicz

Wykład 13: Zbieżność według rozkładu. Centralne twierdzenie graniczne.

Wykład 8: Zbieżność według rozkładu. Centralne twierdzenie graniczne.

CIĄGI LICZBOWE N = zbiór liczb naturalnych. R zbiór liczb rzeczywistych (zbiór reprezentowany przez punkty osi liczbowej).

Wykład 8: Całka oznanczona

7. Szeregi funkcyjne

I. CIĄGI I SZEREGI FUNKCYJNE. odwzorowań zbioru X w zbiór R [lub C] nazywamy ciągiem funkcyjnym.

3.1. Ciągi liczbowe - ograniczoność, monotoniczność, zbieżność ciągu. Liczba e. Twierdzenie o trzech ciągach.

2. Ciągi liczbowe. Definicja 2.1 Funkcję a : N R nazywamy ciągiem liczbowym. Wartość funkcji a(n) oznaczamy symbolem a

Przykłady 8.1 : zbieżności ciągów zmiennych losowych

Wykład 1 Pojęcie funkcji, nieskończone ciągi liczbowe, dziedzina funkcji, wykres funkcji, funkcje elementarne, funkcje złożone, funkcje odwrotne.

WYZNACZANIE OGNISKOWEJ SOCZEWEK CIENKICH ZA POMOCĄ ŁAWY OPTYCZNEJ

Zadania z analizy matematycznej - sem. II Całki oznaczone i zastosowania

5. CIĄGI. 5.1 Definicja ciągu. Ciągiem liczbowym nazywamy funkcję przyporządkowującą każdej liczbie naturalnej n liczbę rzeczywistej.

Zasada indukcji matematycznej. Dowody indukcyjne.

MATHCAD Obliczenia iteracyjne, macierze i wektory

ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE

Ciągi liczbowe podstawowe definicje i własności

CIĄGI LICZBOWE N 1,2,3,... zbiór liczb naturalnych. R zbiór liczb rzeczywistych (zbiór reprezentowany przez punkty osi liczbowej).

Powtórka dotychczasowego materiału.

1 Twierdzenia o granicznym przejściu pod znakiem całki

Analiza numeryczna Kurs INP002009W. Wykład 1 Narzędzia matematyczne. Karol Tarnowski A-1 p.223

Ekoenergetyka Matematyka 1. Wykład 8. CIĄGI LICZBOWE

1 Układy równań liniowych

Niezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne

MATLAB PODSTAWY. [ ] tworzenie tablic, argumenty wyjściowe funkcji, łączenie tablic

Całka oznaczona. długość k-tego odcinka podziału P. punkt pośredni k-tego odcinka podziału P. Niech funkcja f będzie ograniczona na przedziale

EAIiIB- Informatyka - Wykład 1- dr Adam Ćmiel zbiór liczb wymiernych

Całka oznaczona. długość k-tego odcinka podziału P. punkt pośredni k-tego odcinka podziału P. Niech funkcja f będzie ograniczona na przedziale

Algebra WYKŁAD 5 ALGEBRA 1

Ciągi i szeregi liczbowe

Analiza matematyczna ISIM I

Szeregi o wyrazach dowolnych znaków, dwumian Newtona

Analiza Matematyczna

Analiza Matematyczna 2 Szeregi liczbowe i funkcyjne

Programowanie z więzami (CLP) CLP CLP CLP. ECL i PS e CLP

4. Rekurencja. Zależności rekurencyjne, algorytmy rekurencyjne, szczególne funkcje tworzące.

Analiza obwodów elektrycznych z przebiegami stochastycznymi. Dariusz Grabowski

Regionalne Koło Matematyczne

WYKŁAD 7. UKŁADY RÓWNAŃ LINIOWYCH Macierzowa Metoda Rozwiązywania Układu Równań Cramera

Estymacja przedziałowa

Wykład 2. Pojęcie całki niewłaściwej do rachunku prawdopodobieństwa

Całki niewłaściwe. Rozdział Wprowadzenie Całki niewłaściwe I rodzaju

Całka oznaczona. długość k-tego odcinka podziału P. średnica podziału P. punkt pośredni k-tego odcinka podziału P

Twierdzenia graniczne:

Ciągi i szeregi funkcyjne

Wektory Funkcje rzeczywiste wielu. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Prawdopodobieństwo i statystyka

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.

MATEMATYKA Przed próbną maturą. Sprawdzian 2. (poziom rozszerzony) Rozwiązania zadań

- macierz o n wierszach i k kolumnach. Macierz jest diagonalna jeśli jest kwadratowa i po za główną przekątną (diagonala) są

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7

L.Kowalski zadania ze statystyki matematycznej-zestaw 1 ZADANIA - ZESTAW 1

0.1 ROZKŁADY WYBRANYCH STATYSTYK

Rachunek prawdopodobieństwa i statystyka matematyczna.

Lista 6. Estymacja punktowa

Wybrane rozkłady prawdopodobieństwa użyteczne w statystyce

Rozdział 1. Ciągi liczbowe, granica ciągu

5 Twierdzenia graniczne

Literatura do ćwiczeń: Program zajęć: dr Krzysztof Żyjewski Informatyka; rok I, I o.inż. 17 listopada 2015

N(0, 1) ) = φ( 0, 3) = 1 φ(0, 3) = 1 0, 6179 = 0, 3821 < t α 1 e t dt α > 0. f g = fg. f = e t f = e t. U nas: g = t α 1 g = (α 1)t α 2

Realizacje zmiennych są niezależne, co sprawia, że ciąg jest ciągiem niezależnych zmiennych losowych,

Wyrównanie sieci niwelacyjnej

Wybrane zagadnienia. Wykład 2a. Metoda simpleks rozwiązywania zadań programowania liniowego.

< f g = fg. f = e t f = e t. U nas: e t (α 1)t α 2 dt = 0 + (α 1)Γ(α 1)

ZADANIA NA POCZA n(n + 1) = 1 3n(n + 1)(n + 2).

P ( i I A i) = i I P (A i) dla parami rozłącznych zbiorów A i. F ( ) = lim t F (t) = 0, F (+ ) = lim t + F (t) = 1.

CIĄGI LICZBOWE. Naturalną rzeczą w otaczającym nas świecie jest porządkowanie różnorakich obiektów, czyli ustawianie ich w pewnej kolejności.

Notatki z Analizy Matematycznej 4. Jacek M. Jędrzejewski

Rozkłady statystyk z próby Twierdzenia graniczne

takimi, że W każdym przedziale k 1 x k wybieramy punkt k ) i tworzymy sumę gdzie jest długością przedziału, x ). 1 k

Główka pracuje - zadania wymagające myślenia... czyli TOP TRENDY nowej matury.

( ) Elementy rachunku prawdopodobieństwa. f( x) 1 F (x) f(x) - gęstość rozkładu prawdopodobieństwa X f( x) - dystrybuanta rozkładu.

Trochę zadań kombinatorycznych. 1. na ile sposobów można siedmiu stojących na peronie pasażerów umieścić w trzech wagonach?

I. DZIAŁANIA W ZBIORZE LICZB RZECZYWISTYCH ZBIORY LICZBOWE: liczby całkowite C : C..., 3, 2, 1,

1.1 Pochodna funkcji w punkcie

W tym wykładzie zapoznamy się z podstawowymi metodami przybliżonego obliczania całek oznaczonych funkcji jednej zmiennej, tj.

KONKURS MATEMATYCZNY dla uczniów gimnazjów w roku szkolnym 2012/13. Propozycja punktowania rozwiązań zadań

Maciej Grzesiak. Iloczyn skalarny. 1. Iloczyn skalarny wektorów na płaszczyźnie i w przestrzeni. a b = a b cos ϕ. j) (b x. i + b y

Wykład 2. Granice, ciągłość, pochodna funkcji i jej interpretacja geometryczna

RACHUNEK CAŁKOWY. Funkcja F jest funkcją pierwotną funkcji f na przedziale I R, jeżeli. F (x) = f (x), dla każdego x I.

Granica cigu punktów. ), jest zbieny do punktu P 0 = ( x0. n n. ) n. Zadania. Przykłady funkcji dwu zmiennych

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2

Zadania i rozwiązania prac domowych z Analizy Matematycznej 1.2 z grupy pana Ryszarda Kopieckiego, semestr letni 2011/2012.

VI. Rachunek całkowy. 1. Całka nieoznaczona

Semantyka i Weryfikacja Programów - Laboratorium 2 Działania na ułamkach, krotki i rekordy

Rachunek różniczkowy funkcji wielu zmiennych

Wykład 3: Transformata Fouriera

ZJAZD 1 PIĄTEK L1 L2 L3 ZJAZD 1 SOBOTA L1 L2 L3 ZJAZD 1 NIEDZIELA L1 L2 L SPOTKANIE INFORMACYJNE - s.

Wektor kolumnowy m wymiarowy macierz prostokątna o wymiarze n=1 Wektor wierszowy n wymiarowy macierz prostokątna o wymiarze m=1

Grafy hamiltonowskie, problem komiwojażera algorytm optymalny

1 Definicja całki oznaczonej

Wyznacznikiem macierzy kwadratowej A stopnia n nazywamy liczbę det A określoną następująco:

Lista 5. Odp. 1. xf(x)dx = xdx = 1 2 E [X] = 1. Pr(X > 3/4) E [X] 3/4 = 2 3. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym

R + v 10 R0, 9 k v k. a k v k + v 10 a 10. k=1. Z pierwszego równania otrzymuję R 32475, Dalej mam: (R 9P + (k 1)P )v k + v 10 a 10

Problem eliminowania fa szywych alarmów w komputerowych systemach ochrony peryferyjnej

Jarosław Wróblewski Analiza Matematyczna 2 (LUX), lato 2017/18. a n n = 10.

5. Zadania tekstowe.

1. Określ monotoniczność podanych funkcji, miejsce zerowe oraz punkt przecięcia się jej wykresu z osią OY

Transkrypt:

Rchuek prwopoobieństw MA1181 Wyził T, MS, rok k. 2013/14, sem. zimowy Wykłowc: r hb. A. Jurlewicz Wykł 9: Róże rozje zbieżości ciągów zmieych losowych. rw wielkich liczb. Zbieżość z prwopoobieństwem 1: Defiicj: Ciąg zmieych losowych X 1, X 2,... jest zbieży z prwopoobieństwem 1 (i. prwie pewo) o zmieej losowej X, jeżeli Ozczeie: X X, X (ω : lim X (ω) = X(ω)) = 1. p.. X, lim X = X z prw. 1. Uwg: Ciąg zbieży puktowo jest zbieży z prwopoobieństwem 1. (Ciąg X 1, X 2,... jest zbieży puktowo o X, jeżeli lim X (ω) = X(ω) ω Ω.) Zbieżość stochstycz: Defiicj: Ciąg zmieych losowych X 1, X 2,... jest zbieży stochstyczie (i. weług prwopoobieństw) o zmieej losowej X, jeżeli Ozczeie: X Fkt: () Jeżeli X X, to X (b) Jeżeli X ɛ>0 X, lim X = ( X X ɛ) X, to istieje pociąg (X k ) cigu (X ), tki że X k Zbieżość wzglęem mometów rzęu r: Defiicj: Złóżmy, że l pewego r > 0 E X r, E X r są skończoe l wszystkich N. Ciąg zmieych losowych X 1, X 2,... jest zbieży wzglęem mometów rzęu r (i. w przestrzei ) o zmieej losowej X, jeżeli Ozczeie: X E X X r Dl r = 2 mówimy, że ciąg (X ) jest zbieży śreiokwrtowo o Ozczeie: X śr.kw. X, l.i.m.x = 1

Fkt: Dl owolego ustloego r 0 > 0: L () Jeżeli X r 0 X, to X L (b) Jeżeli X r 0 X, to X X l kżego 0 < r < r 0. Zbieżość weług rozkłu: Defiicj: Niech X m rozkł o ystrybucie F (x), X - rozkł o ystrybucie F (x). Ciąg zmieych losowych X 1, X 2,... jest zbieży weług rozkłu (i. słbo zbieży) o zmieej losowej X, jeżeli F (x) F (x) l kżego tkiego x, w którym F (x) jest ciągł. Ozczeie: X Fkt: () Jeżeli X (b) Gy X X, F X, to X F. X, gzie (X = ) = 1 l pewej stłej, to X (c) Jeżeli X X, to X () Jeżeli X X, to X Twierzeie Lévy ego: 1. Niech zmiee losowe X, X mją rozkły o fukcjch chrkterystyczych opowieio ϕ (t), ϕ(t). Jeżeli X X, to ϕ (t) ϕ(t) l kżego t. 2. Niech X m rozkł o fukcji chrkterystyczej ϕ (t). Jeżeli ϕ (t) ϕ(t) l kżego t i gricz fukcj ϕ(t) jest ciągł w t = 0, to ϕ(t) jest fukcją chrkterystyczą pewej zmieej losowej X orz X Uwg: W zbieżościch z prwopoobieństwem 1, stochstyczej, w przestrzei gricz zmie losow X jest określo z prwopoobieństwem 1, tz. jeżeli X i X są gricmi ciągu X, to (X = X ) = 1. W zbieżości słbej określoy jest tylko rozkł griczy ego cigu i kż zmie losow X o tkim rozkłzie może reprezetowć słbą gricę tego ciągu. 2

rw wielkich liczb (WL) rwo wielkich liczb Beroulliego, twierzeie Borel: Niech S bęzie liczbą sukcesów w próbch Beroulliego z prwopoobieństwem sukcesu p. Wtey zchozi WL Beroulliego (XVII/XVIII w.) (SWL) S p. twierzeie Borel (pocz. XX w.) (MWL) S p. Iterpretcj: Częstość występowi sukcesu w próbch Beroulliego przybliż przy użym prwopoobieństwo p sukcesu w pojeyczej próbie. Opowi to obserwcjom z tury, że częstość zrzei losowego stbilizuje się pewym poziomie. Defiicj: Niech X 1, X 2,... bęzie ciągiem zmieych losowych o skończoych wrtościch oczekiwych EX = m. Niech S = X 1 + X 2 +... + X, = m 1 + m 2 +... + m. Mówimy, że ciąg (X ) spełi słbe prwo wielkich liczb (SWL), gy S = 1 (X k m k ) Mówimy, że ciąg te spełi moce prwo wielkich liczb (MWL), gy Oczywiście MWL = SWL. S 3

WL l ciągów zmieych losowych o jekowym rozkłzie Twierzeie Chiczy Niech (X ) bęzie ciągiem iezleżych zmieych losowych o jekowym rozkłzie, przy czym E X <. Wtey ciąg te spełi SWL, które w tym przypku moż zpisć w postci S = 1 X k m = EX 1. MWL Kołmogorow Niech (X ) bęzie ciągiem iezleżych zmieych losowych o jekowym rozkłzie. Ciąg te spełi MWL, które w tym przypku moż zpisć w postci S = 1 wtey i tylko wtey, gy E X <. X k m = EX 1. Szczególy przypek: twierzeie Borel, w kosekwecji WL Beroulliego, gyż jeżeli (X ) to ciąg iezleżych zmieych losowych o jekowym rozkłzie zerojeykowym B(1, p), tz. (X = 1) = p = 1 (X = 0), to S m rozkł Beroulliego B(, p), tki jk rozkł ilości sukcesów w próbch Beroulliego z prwopoobieństwem sukcesu p, m = EX 1 = p. WL l ciągów zmieych losowych o różych rozkłch Twierzeie Czebyszew Niech (X ) bęzie ciągiem prmi iezleżych zmieych losowych, l których l kżego istieje wricj D 2 X <, przy czym l pewego c D 2 X c < l wszystkich. Wtey ciąg te spełi SWL. Twierzeie Mrkow Niech (X ) bęzie ciągiem zmieych losowych, tkim że D 2 S = D2 (X 1 +... + X ) 2 2 (Oczywiście zkłmy, że wricj t istieje.) Wtey ciąg te spełi SWL. Twierzeie Kołmogorow Niech (X ) bęzie ciągiem iezleżych zmieych losowych, tkich że istieje wricj D 2 X <. Jeżeli D 2 X <, 2 to ciąg te spełi MWL. =1 4

Wże zstosowi WL: Meto Mote Crlo obliczi cłek ozczoych: Niech X 1, X 2,... X bęzie ciągiem iezleżych zmieych losowych o jekowym rozkłzie jeostjym przezile [, b] orz iech f bęzie fukcją rzeczywistą tką, że Ef(X 1 ) istieje i jest skończo. rzy powyższych złożeich f(x 1 ), f(x 2 ),... f(x ) jest tkże ciągiem iezleżych zmieych losowych o jekowym rozkłzie, przy czym istieje wrtość oczekiw Ef(X 1 ). oto Ef(X 1 ) = 1 b 1 b f(x)x. Z MWL Kołmogorow mmy f(x k ) z pr.1 Ef(X 1 ) = 1 b f(x)x. b Możemy ztem o obliczi przybliżoej wrtości cłki ozczoej stępujący lgorytm: b f(x)x zstosowć () losujemy iezleżie liczby u 1, u 2,..., u z rozkłu jeostjego U[0, 1]; (b) przeksztłcmy x k = + (b )u k l k = 1, 2,..., otrzymując w te sposób próbkę z rozkłu U(, b); (c) jko przybliżoą wrtość cłki przyjmujemy b Dystrybut empirycz: f(x)x b f(x k ). Rozwżmy ciąg X 1, X 2,... X iezleżych zmieych losowych o jekowym rozkłzie opisym ystrybutą F (x). Ciąg te iterpretujemy jko opis wyików iezleżych pomirów pewej wielkości fizyczej X, okoywych w tych smych wrukch fizyczych. Wrtości x 1, x 2,... x zmieych losowych w tym ciągu to wyiki kokretych tkich pomirów. Ciąg X 1, X 2,... X zywmy próbą prostą. Niech S (x; X 1, X 2,... X ) ozcz ilość elemetów próby prostej, których wrtość jest miejsz iż x. F (x; X 1, X 2,... X ) = S (x; X 1, X 2,... X ) (lbo F (x; x 1, x 2,... x )) zywmy ystrybutą empiryczą. Zuwżmy, że S (x; X 1, X 2,... X ) ozcz ilość tych X i, których wrtość jest miejsz iż x. Jest to ztem ilość sukcesów w próbch Beroulliego, gzie sukces w itej próbie to zrzeie {X i < x} i p = (X i < x) = F (x) iezleżie o i. Ztem S (x; X 1, X 2,... X ) m rozkł Beroulliego B(, p = F (x)). Z tw. Borel otrzymujemy, że F (x; X 1, X 2,... X ) = S (x; X 1, X 2,... X ) p = F (x). Iczej mówiąc, l użych, l prwie kżej wrtości (x 1, x 2,... x ) wektor losowego (X 1, X 2,... X ) mmy F (x; x 1, x 2,... x ) F (x), czyli ystrybut empirycz jest w przybliżeiu rów ystrybucie teoretyczej F. 5